значення (критерій Стьюдента), отже робимо висновок про їх значущості. Лише одна змінна, яка є в минулій базової моделі константою в даному випадку незначущі, що логічно, адже вона не має реального сенсу, тобто не описує реальним чином пояснюють змінних. По аналізу досліджених t-статистик і коефіцієнта детермінації R-квадрат робимо попередній висновок про адекватність побудованої моделі.
Продовжуючи оцінювати загальний якість моделі, використовуємо критерій Фішера:
В
В
Н0: R-квадрат = 0
Н1: R-квадрат> 0
Так як F-спостережуване більше F-критичного, приймаємо гіпотезу Н1, згідно з якою модель адекватна. p> Перевіримо модель на присутність автокореляції. Для цього будемо використовувати тести Бреуша-Годфрі і Дарбіна-Уотсона. p> 1) Спочатку скористаємося тестом Бреуша-Годфрі і оцінимо модель на присутність автокореляції за трьома лагам:
Запишемо значення розподілу для подальшого порівняння з Obs * R-squared:
В
Наведемо результати тесту з lag = 1:
В
з lag = 2:
В
з lag = 3:
В
Зробимо висновки про відсутності серійної кореляції, так як у всіх трьох випадках Obs * R-squared менше
В
а P-ймовірність статистики Бреуша-Годфрі більше рівня значущості
()
2) Скористаємося також тестом Дарбіна-Уотсона:
Наведемо значення статистики:
В
Значення критичних точок
при рівні значимості:
В В
Робимо висновок про відсутності автокореляції, т.к. значення статистики DW в даному випадку близько до 2. h2> Перевіримо скориговану модель на наявність гетероскедастичності за допомогою тесту Вайта
В В В В В В В
В
Т.к. значення P-ймовірності в обох випадках тесту Уайта (no cross terms/cross terms) більше рівня значущості
()
і Obs * R-squared перевищує
В
то приймаємо гіпотезу про відсутності гетероскедастичності в моделі (гомоскедастічность).
Висновок
У моїй роботі я побудувала регресійну модель за реальними даними. Я розбиралася з моделлю Залежно загальної чисельності населення від показників народжуваності, смертності та чисельності населення похилого віку, їх впливом один на одного і на що пояснюється змінну. Оскільки метою моєї роботи було перевірити, як працюють на практиці тести Уайта і Бреуша-Пагана-Годфрі і Парка, то я використовувала просторові дані, які дозволяють найбільш наочно проілюструвати проблему гетероскедастичності та способи її усунення.
У роботі досить наочно продемонстрована робота тестів для виявлення гетероскедастичності, також вдалося вирішити завдання з вибором ваги для ВНК. p> В ході курсової роботи мені вдалося скорегувати модель за допомогою методу зважених найменших квадратів, правильно підібравши вагу за допомогою тесту Бреуша-Пагана, оскільки тест Вайта, наприклад, не дає нам точної відповіді на питання про...
